用于基于指纹的认证的装置和计算机实现的方法制造方法及图纸

一种通过计算二进制特征之间的汉明距离来对由二进制特征表示的局部特征进行匹配来执行基于指纹的认证的计算机实现的方法，其中，二进制特征可以在软件和硬件之一或软件和硬件二者中以有效实现来匹配。如果二进制特征之间的汉明距离低于预定阈值，则认为验证图像中的局部特征与登记图像中的局部特征匹配。常规地，汉明距离然后被丢弃并且不会被用于识别算法的进一步处理。这构成了关于两个图像中的局部特征的相似度的潜在有价值信息的丢失。该计算机实现的方法保留该信息并且以有效的方式利用该信息，目的在于提高指纹识别速率并且使得实现手指活性检测。在一个方面，生成归一化的特征相似度分布作为识别和活性检测中的表示的一部分。

【技术实现步骤摘要】
【国外来华专利技术】用于基于指纹的认证的装置和计算机实现的方法介绍/背景存在以下一般假设：每个个体都具有独一无二的指纹，根据该独一无二的指纹可以唯一地识别他们。个体的手指的皮肤形成脊纹和凹谷的图案，当触摸时其在表面上留下印迹。印迹可以通过指纹传感器(如电容传感器)来感测，指纹传感器可以响应于该指纹传感器被触摸而生成脊纹和凹谷的图案的图像，从而以计算机可读格式电子地表示指纹。根据指纹对个体的认证是以下处理：比较由指纹传感器获取的指纹(皮肤印痕)的至少两个实例，以确定这些印痕是否可能来自同一个体。通常，在所谓的登记处理期间从同一个体的同一手指获取指纹或指纹图像的集合。该指纹图像的集合也被称为登记指纹图像。指纹图像可以存储为图像或通常存储为模板。模板是具有从存储在存储介质(如硬盘或固态驱动器)上的一个或更多个图像提取的特征的容器。随后，当个体随后想要被认证时，获取指纹图像并且通过高级图像处理将指纹图像(在下文中又被称为当前图像或验证图像)与登记图像中的一个或更多个进行比较。由于皮肤的弹性，没有两个指纹在每个细节上都完全相同；即使从同一手指紧接着彼此记录的两个印痕也会略有不同。认证可以包括多个步骤，以及其判定指纹是否来自同一个体的处理被称为验证。认证的另一个步骤是：判定通过指纹传感器获取的指纹图像来自活体个体的活体手指，还是替选地来自试图获得未经授权的访问的仿造或欺骗的手指或其一部分。该步骤有时被称为活性或活性检测——找到用于判定指纹是活体还是欺骗的好方法的问题又被称为活性问题。术语仿造的、欺骗的和伪造的在下文中可以互换使用。在任何情况下，仿造或欺骗的手指是指在指纹传感器上留下印记的一些手段，所述印记可以表现为指纹，但是所述印记不是来自触摸传感器的活体手指的印记。在下文中，术语指纹应当被解释为包括来自形成脊纹和凹谷的皮肤的印迹，例如来自人手或其一部分(例如，手掌)或者来自人脚的脚趾或脚底。相关的现有技术常规地，在验证处理之前执行活性确定。因此，仅验证被认为是“活体的”的指纹。在一些情况下，指纹被错误地认为是“欺骗的”，并且因此不被进一步处理。因此，非鲁棒性的活性确定处理将显著降低基于指纹的认证处理的总体质量。在结构上，用于确定活性的部件明确地与验证部件分离。也就是说，两个部件使他们的结果基于用于处理由指纹传感器获取的指纹图像的分开的处理路径。在Marasco等的文章“CombiningMatchScoreswithLivenessValuesinaFingerprintVerificationSystem”中，研究了以下：除了提高对欺骗攻击的鲁棒性之外，将活性值与匹配分数组合是否可以提高验证性能。US2007/0014443(楚亚技术股份有限公司(AtruaTechnologies,Inc))公开了用于降低真实手指被错误地标记为欺骗的可能性的方法。这通过比较在验证期间捕获的数据以调整欺骗的概率来实现。在实施方式中，在指纹验证之后执行欺骗检测。这样的实施方式被认为在识别期间最有用，以避免耗时的数据库搜索。EP2101282B1(富士通有限公司)公开了一种方法，其中，基于伪造相似度、伪造难度以及伪造确定阈值来设置匹配确定阈值。通过处理，可以在不增加利用伪造物的认证的风险的情况下降低生物对象被错误地确定为欺骗的可能性。匹配确定阈值是用于确定输入的匹配数据与登记的匹配数据之间的匹配分数是否指示一致性的阈值。
技术实现思路
在执行验证处理时，生成通常被丢弃的数据。然而，根据本专利技术，建议“充分利用”这些数据并且还在活性确定中使用这些数据。因此，建议在验证处理和活性确定之间引入直接连接。在一些实施方式中，在活性确定之前执行验证处理。建议在执行活性确定之前执行指纹验证。另外，还将来自验证处理的数据用作活性确定的输入。提供了一种处理指纹图像的计算机实现的方法，该方法包括：-从指纹传感器获取当前指纹图像，并且计算当前指纹图像的多个第一特征向量；-从存储器检索登记指纹图像的多个第二特征向量；-应用相似度度量来计算表示一组第一特征向量与第二特征向量之间的相似程度的多个相似度值；-对所述多个相似度值中的至少一部分执行第一分类以生成第一信号，该第一信号指示当前指纹图像是否落在根据登记图像限定的类中；-对所述多个相似度值中的至少一部分执行第二分类以生成第二信号，该第二信号指示当前指纹图像是落在来自活体手指的指纹的类中还是落在来自仿造的手指的指纹的类中；-根据第一信号和第二信号生成认证信号。该方法提出了活性问题的替选解决方案，其中，确定当前图像和登记图像的匹配特征(与来自仅当前图像的特征相对)是表示活体手指之间的比较还是表示活体手指与伪造的手指之间的比较。也就是说，假定登记手指是活体手指；然而，可以应用常规方法来对其进行检查。实验已经表明，由此实现了基于指纹生物统计来正确地授权或拒绝个体的提高的可靠性。有利的是，进一步应用传统上仅仅为了验证而计算的相似度值以例如在手指仿造品或手指覆盖层被用于在指纹传感器上留下指纹以试图欺骗认证处理时通过拒绝由指纹传感器感测的欺骗指纹来提高活性检测的鲁棒性。第二分类建立在又被称为分类器的分类模型上，分类器通过监督学习被训练，其中，来自指纹图像对的相似度值被输入以对模型进行训练，并且其中，以“标签”的形式给出用于训练模型的参考标准(groundtruth)，其中“标签”针对每个指纹图像指示它是欺骗指纹还是活体指纹。此外，有利的是，计算机实现的方法可以利用以下：不仅针对验证来使用相似度值，而且还针对活性检测来使用已经计算的相似度值。因此，在一些实施方式中，可以执行包括验证和活性检测的认证，同时无需对于用于活性检测的特征的大量额外计算。因此，需要较少的计算资源；这相应地可以提供以下中的一个或更多个：节省电力、延长电池时间、快速认证以及释放资源以用于在计算机上运行的其他进程。特别是对于移动设备例如智能电话、手表和平板，这些是重要的优点。在一些方面，登记指纹图像或登记指纹图像的集合是例如以用户标识的形式与认证信息相关联的先前登记的指纹图像。这样的登记过程是本领域技术人员公知的。在一些方面，第一特征向量和第二特征向量的组是第一特征向量和第二特征向量的对。在一些方面，分类器包括一个或更多个分类器，其中，一个或更多个分类器是所谓的单类分类器或多类分类器例如两类分类器。一个或更多个分类器可以限定可以被认为是多维阈值或范围的判定边界。在单类分类器的情况下，判定边界限定哪些示例落在类中而哪些示例落在类外。在多类分类器的情况下，判定边界限定哪些示例落在哪些类中或类外。术语示例包括相似度度量值，其中，可以将相似度度量值表示为下面进一步详细描述的直方图。在监督学习中，每个示例是包括输入对象(包括相似度度量值)和期望的输出值(又被称为监督信号)的对。监督学习算法分析训练数据并产生判定边界，判定边界可以用于通过输出类标签来对示例进行分类。最佳场景将允许算法正确地确定未见过的示例的类标签。这需要学习算法根据在监督训练期间使用的示例进行归纳。可以根据如上所述的训练来估计判定边界。判定边界由模型中的参数来表示，其中，执行分类的分类器使用模型中的参数来判定特征是落在一个类内还是落在另一个类内。限定判定边界的参数可以是从训练集中选择的示例，其中，训练集在如下进一本文档来自技高网...

【技术保护点】
一种处理指纹图像的计算机实现的方法，包括：‑从指纹传感器获取当前指纹图像(101)并且计算所述当前指纹图像(101)的多个第一特征向量(102)；‑从存储器检索登记指纹图像(104)的多个第二特征向量(106)；‑应用相似度度量(107)来计算表示一组第一特征向量(102)与第二特征向量(104)之间的相似程度的多个相似度值(108)；‑对所述多个相似度值(108)中的至少一部分执行第一分类(110)以生成第一信号(114)，所述第一信号(114)指示所述当前指纹图像是否落在根据登记图像限定的类中；其特征在于：‑对所述多个相似度值(108)中的至少一部分执行第二分类(109)以生成第二信号(115、116)，所述第二信号(115、116)指示所述当前指纹图像是落在来自活体手指的指纹的类中还是落在来自仿造的手指的指纹的类中；‑根据所述第一信号(114)和所述第二信号(115)生成认证信号(112)。

【技术特征摘要】
【国外来华专利技术】2015.07.03 SE 1550972-21.一种处理指纹图像的计算机实现的方法，包括：-从指纹传感器获取当前指纹图像(101)并且计算所述当前指纹图像(101)的多个第一特征向量(102)；-从存储器检索登记指纹图像(104)的多个第二特征向量(106)；-应用相似度度量(107)来计算表示一组第一特征向量(102)与第二特征向量(104)之间的相似程度的多个相似度值(108)；-对所述多个相似度值(108)中的至少一部分执行第一分类(110)以生成第一信号(114)，所述第一信号(114)指示所述当前指纹图像是否落在根据登记图像限定的类中；其特征在于：-对所述多个相似度值(108)中的至少一部分执行第二分类(109)以生成第二信号(115、116)，所述第二信号(115、116)指示所述当前指纹图像是落在来自活体手指的指纹的类中还是落在来自仿造的手指的指纹的类中；-根据所述第一信号(114)和所述第二信号(115)生成认证信号(112)。2.根据权利要求1所述的计算机实现的方法，其中，所述相似度度量的所述多个值(108)通过以下操作来计算：首先生成第一特征向量与第二特征向量之间的相似度的向量表示；其次计算跨所述相似度的向量表示的合计相似度值。3.根据权利要求1或2所述的计算机实现的方法，包括：-以直方图表示来组织所述多个相似度值；其中，执行所述第一分类和所述第二分类之一或所述第一分类和所述第二分类二者以根据所述直方图表示来分类所述多个相似度值。4.根据前述权利要求中任一项所述的计算机实现的方法，其中，所述第一特征向量(102)根据在所述当前指纹图像中的相应位置附近的区域中的图像数据来计算；并且其中，所述第二特征向量(106)根据在先前登记的指纹图像中的相应位置附近的区域中的图像数据来计算。5.根据前述权利要求中任一项所述的计算机实现的方法，包括：-匹配第一特征向量(102)和第二特征向量(106)以形成第一组匹配对；-将所述第一组匹配对减少为包括符合统一几何变换的那些匹配对的第二组匹配对；其中，所述相似度度量的所述多个值的计算被限制成根据落在所述第二组匹配对中的第一特征向量和第二特征向量的对来计算。6.根据权利要求5所述的计算机实现的方法，其中，落在所述第一组匹配对和所述第二组匹配对中一个之外或落在所述第一组匹配对和所述第二组匹配对二者之外的第一特征向量和第二特征向量被集中在第一组外点特征中；以及其中，所述第一分类和所述第二分类之一或所述第一分类和所述第二分类二者分别在生成所述第一信号(114)和所述第二信号(115)时包括所述外点特征的全部或至少一部分。7.根据前述权利要求中任一项所述的计算机实现的方法，其中，执行所述第一分类和所述第二分类之一或执行所述第一分类和所述第二分类二者以根据复合特征向量来对表示所述当前指纹图像与一组登记图像的一致性的那些相似度值进行分类，所述复合特征向量包括以直方图表示布置的相似度值以及另外地选自以下中的一个或更多个特征：-所述第二组匹配对中的匹配对的计数；-所述第二组匹配对中的匹配对的和；-相似度值的和，例如汉明距离的和；-所述第二组匹配对中的相似度值的和；-相似度值的平均值，例如汉明距离的平均值；-所述第二组匹配对中的相似度值的平均值，例如汉明距离的平均值；-相似度值的标准差，例如汉明距离的标准差；-所述第二组匹配对中的相似度值的标准差，例如汉明距离的标准差；-所述第二组匹配对中的对的数目与所述第一组匹配对中的对的数目的比率。8.根据前述权利要求中任一项所述的计算机实现的方法，其中，根据来自活体手指的指纹的集合以及来自仿造的手指的指纹的集合来限定来自活体手指的指纹的类和来自仿造的手指的指纹的类中之一或来自活体手指的指纹的类和来自仿造的手指的指纹的类二者。9.根据权利要求1所述的计算机实现的方法，其中，所述第二分类根据监督训练来对所述相似度度量的值进行分类，所述监督训练包括以下步骤：c)从多个活体个体获取多组指纹图像，并且生成所述多组指纹图像的匹配的图像对；其中...

【专利技术属性】
技术研发人员：肯尼斯·琼森，埃里克·塞特贝里，大卫·廷达尔，
申请(专利权)人：指纹卡有限公司，
类型：发明
国别省市：瑞典,SE